XiaoMi-AI文件搜索系统
World File Search System卫星结构
BrainStack
随着探索目标越来越远，太空任务变得越来越雄心勃勃，同时需要更大的制导和通信预算。这些对距离和控制的相互冲突的需求推动了对现场智能决策的需求，以减少通信和控制限制。虽然对人工智能和机器学习 (AI/ML) 软件模块的地面研究呈指数级增长，但以快速和廉价的形式在太空中实验验证此类软件模块的能力却没有增长。为此，美国宇航局艾姆斯研究中心的纳米轨道研讨会 (NOW) 小组正在通过 TechEdSat (TES-n) 飞行系列中编程称为 BrainStack 的“商业”可用前沿计算平台进行飞行评估测试。作为 BrainStack 的一部分选择的处理器具有理想的尺寸、封装和功耗，可轻松集成到立方体卫星结构中。这些实验包括对小型高性能 GPU 以及最近的 LEO 操作中的神经形态处理器的评估。此外，还计划测量这些处理器所经受的辐射环境，以了解这些新架构因长期太空辐射暴露而导致的性能下降或计算伪影。这个不断发展的灵活协作环境涉及 NASA 和其他组织的各个研究团队，旨在成为一个便捷的轨道测试平台，许多预期的未来太空自动化应用可在此平台上进行初步测试。
FORESAIL-2 AOCS 贸易研究与设计
本论文旨在设计一个可靠的立方体卫星平台，包括航空电子子系统，该子系统可以在至少六个月的使用寿命内维持高辐射环境。科学仪器对平台提出了严格的要求，以实现并保持所需的旋转速度。模拟背景是在系统工具包 (STK) 中设置的。对 FORESAIL 2 的姿态和轨道控制系统 (AOCS) 进行了权衡分析，重点关注执行器及其提供适当扭矩以完成系绳部署的能力。进行了任务设计分析，以得出立方体卫星的外形尺寸、发电能力、对空间碎片缓解 (SDM) 技术要求的遵守情况以及累积的总辐射剂量。研究发现，6U 外形尺寸更适合分配给每个子系统更多空间，同时产生足够的功率使卫星能够在所有所需模式下工作。如果立方体卫星将于 2022 年 9 月发射，则该任务符合欧洲空间标准化合作组织 (ECSS) 和国际标准化组织 (ISO) 标准。为了允许卫星组件的阈值限制为 10 克拉德，立方体卫星结构上应实施 7 毫米的屏蔽墙。设计任务的主要要求是初始化对传感器和执行器的调查。结果表明，只有推进系统才能提供部署系绳所需的角动量。缺乏磁场使得磁力矩器在所需轨道上几乎无法使用，而反作用轮则成为辅助推进装置的唯一选择。不同的分析和模拟导致最终的 AOCS 配置由五种不同的传感器（太阳传感器、磁力计、GPS、IMU 和内部传感器）组成，用于姿态确定。推进系统和反作用轮将对卫星提供必要的控制。
AI-In-Orbit-Factory – 用于自适应机器人在轨制造模块化卫星的 AI 方法
模块化卫星架构的持续发展，加上自适应制造工艺的改进，为太空制造创新乃至在轨服务铺平了道路。目前，卫星在轨制造面临的挑战包括高度可靠、精确和自适应的制造和检查过程、解决地球上意外问题的远程操作方法，以及对所有相关活动和条件进行数字化表示以保持完全控制的手段。AI-In-Orbit-Factory 项目使用各种 AI 方法解决了每个挑战。对于在轨工厂和所有正在进行的过程的必要数字化表示，使用了基于知识的方法和数字孪生方法，从而实现了自适应、灵活和易于理解的制造过程。特别是可以描述不同制造机器之间复杂的信息流、协调生产过程的数字过程孪生和生产中卫星的数字孪生。此外，可以通过推理识别冲突和可能的错误来源。利用上述知识库和标准化模块化组件，可以根据所需的任务要求自动规划特定任务卫星的组成。在机器人操纵器的帮助下，使用高分辨率相机和参考图像对每个模块进行光学生产错误检查，然后将其集成到卫星结构中。集成后，子模块将以学习到的标称子系统行为模型作为输入，进行优化测试和异常检测程序。此外，每个操作步骤都使用力反馈和基于视觉的异常检测器进行监督。对于自动组装失败的情况，开发了具有力反馈的双边遥控系统。为了提高遥控组装的精度并减少精神和身体负荷，人类操作员需要借助自适应虚拟固定装置（触觉约束）。自适应夹具从演示和模拟中学习，并根据操作阶段进行参数化，在整个接近、定位和触觉操作阶段提供从粗到细的支持。仲裁组件检测当前操作阶段以选择合适的支撑夹具并确保平稳过渡。关键词：数字孪生、AIT、遥操作、人工智能、机器人制造本文概述了人工智能方法和我们实现可靠、自适应的在轨制造的方法，并介绍了初步结果。